В журнале Nature Photonics вышло исследование, проведенное международной командой из TU Wien (Австрия), Университета Глазго (Великобритания) и Университета Гренобля (Франция). Ученые изучили, насколько точно можно определить местоположение объекта, скрытого за непрозрачной средой, используя свет и оптические методы. Они не только рассчитали абсолютный предел точности таких измерений, но и показали, что его можно почти достичь с помощью обучаемых нейросетей.
Точность оптической визуализации ограничена не только техническими возможностями оборудования, но и законами физики. Даже при идеальных условиях невозможно измерить положение объекта с бесконечной точностью. Сценарии, где свет рассеивается и искажается — например, при прохождении через биологические ткани, — особенно интересны для медицины и биофизики. Исследователи использовали понятие информации Фишера, чтобы оценить, какую долю информации вообще возможно извлечь из сигнала. Эта мера позволяет строго математически определить, где проходит граница между возможным и невозможным.
На практике ученые направили лазер на небольшой отражающий объект, расположенный за мутной жидкостью. В результате получались запутанные световые узоры, на первый взгляд бессмысленные. Однако, загрузив десятки тысяч таких изображений с известными координатами объекта в нейросеть, команда научила алгоритм находить закономерности. После обучения сеть смогла распознавать положение объекта даже на ранее не встречавшихся узорах — и делала это с точностью, лишь незначительно уступающей теоретическому максимуму.
Результат оказался поразительным: ИИ-инструмент смог воспроизводить измерения с почти предельной для физики точностью. Это открывает путь к более точной диагностике в медицине, улучшению визуализации в материалах и к созданию новых квантовых сенсоров. В будущем команда планирует сотрудничать с клиницистами и прикладными физиками, чтобы адаптировать эти алгоритмы к реальным задачам.
Пока ученые приближаются к физическому пределу точности оптических измерений с помощью нейросетей, другие исследователи автоматизируют микроскопию, чтобы ускорить и упростить сбор огромных массивов данных. Как современные технологии меняют подход к визуализации в реальном времени — об этом вы можете узнать в следующей статье.